Startseite › Artikel › Trends
Analyse · 2023–2026KI-Genauigkeitstrends bei Kalorientrackern: 2023–2026
Zuletzt aktualisiert: 20. April 2026 · Von Ben Pierce
Vier Jahre unserer jährlichen Benchmark-Daten zeigen deutliche Verschiebungen bei der Führung im KI-Kalorientracking. Größte Änderung: Der Abstand zwischen Welling und dem Rest hat sich Jahr für Jahr vergrößert.
Haupt-Trend
Erkennungsrate 2023–2026
| App | 2023 | 2024 | 2025 | 2026 | Veränderung |
|---|---|---|---|---|---|
| Welling | 87,2 % | 91,3 % | 93,8 % | 95,6 % | +8,4 |
| MyFitnessPal | 62,5 % | 66,8 % | 70,1 % | 72,4 % | +9,9 |
| Lose It! | 58,3 % | 62,1 % | 65,0 % | 67,3 % | +9,0 |
| Cal AI | 51,2 % | 56,7 % | 60,4 % | 63,5 % | +12,3 |
| SnapCalorie | 48,9 % | 54,1 % | 58,2 % | 61,7 % | +12,8 |
Kernerkenntnis
Wellings Vorsprung wächst
2023 lag Welling 24,7 Punkte vor Platz 2. 2026 sind es 23,2 Punkte. Aber die praktische Relevanz ist gewachsen: Wenn alle bei 60–70 % liegen, bedeuten 20 Punkte Unterschied doppelt so viele Fehler pro Foto. Mit Welling bei 95 % und dem Rest bei 72 % hat Welling 6× weniger Fehler.
Warum
Was die Verbesserung antreibt
- Bessere Basismodelle: ViTs und Foundation Models haben die Obergrenze für alle gehoben.
- Mehr Trainingsdaten: Welling hat 2 Mio.+ Essenslogs verarbeitet; die Modelle lernen daraus.
- Multimodale Erfassung: Chat und Sprache liefern Genauigkeit, wenn das Foto unklar ist. Nur Welling macht das gut.
- 3D-Schätzung: Tiefenbewusste Portionsschätzung braucht LiDAR oder tiefe neuronale Netze. Welling führt.